Ein halbes Band ist ein Standardfehler: IELTS-Reliabilität, 2024-2025

IELTS meldet jede Teilbereichs-Punktzahl in Halbband-Schritten, wodurch ein Band wie eine Messgröße mit fester Größe wirkt. Die eigenen Reliabilitätsstatistiken des Tests für 2024-2025 sagen etwas anderes. Listening weist einen Standardmessfehler von 0.43 eines Bands auf, das sind 0.86 des 0.5-Schritts, in dem die Punktzahl ausgegeben wird. Dieser Bericht liest die Reliabilitäts- und Präzisionswerte, die IELTS für das Testjahr 2024-2025 veröffentlicht; sie umfassen die Reliabilität der Teilbereiche, die Prüferübereinstimmung und eine zusammengesetzte Schätzung für den gesamten Test. Die Werte sind über Testversionen hinweg aggregiert und umfassen nur veröffentlichte Populationsstatistiken, nicht einzelne Kandidaten.

Zentrale Ergebnisse

1. Eine Punktzahl im Listening-Teilbereich hat einen Standardfehler von 0.43 eines Bands, Academic Reading liegt bei 0.36 und General Training Reading bei 0.47; kein rezeptiver Teilbereich ist also genauer als etwa ein Drittel eines Bands.
2. Die Reliabilität ist hoch und eng begrenzt: Cronbach's alpha reichte von 0.83 bis 0.95 mit einem Durchschnitt von 0.90 für Listening-Teilbereiche, von 0.87 bis 0.94 mit einem Durchschnitt von 0.92 für Academic Reading und von 0.88 bis 0.93 mit einem Durchschnitt von 0.91 für General Training Reading.
3. Die von Prüfern bewerteten Fertigkeiten hängen von der Übereinstimmung zwischen Bewertern ab und nicht von interner Konsistenz: Eine erneute Bewertung ergab einen Interrater-Koeffizienten von 0.90 für Speaking und 0.92 für Writing.
4. Über die 4 Teilbereiche kombiniert liegt die zusammengesetzte Reliabilitätsschätzung bei 0.97 für Academic wie für General Training, mit einem zusammengesetzten Standardfehler von 0.17 bzw. 0.19 eines Bands.

Hintergrund

Ein Band-Score fasst eine einzelne Leistung zusammen, und jede solche Punktzahl trägt einen Fehler in sich. Die engere Frage ist, wie weit ein ausgegebenes Band von der Punktzahl entfernt liegen kann, die dieselbe Person in einer anderen Version desselben Teilbereichs erhalten hätte. Genau das beantwortet der Standardmessfehler (SEM), und genau ihn veröffentlicht IELTS nun zusammen mit seinen Reliabilitätskoeffizienten.

Die beiden Statistiken sind nicht austauschbar. Reliabilität beschreibt, wie konsistent ein Teilbereich das misst, was er misst, über die Kandidaten hinweg, die ihn absolviert haben. Der SEM übersetzt diese Reliabilität anhand der beobachteten Streuung der Punktzahlen in Band-Punkte, sodass derselbe Koeffizient in verschiedenen Teilbereichen unterschiedliche SEMs ergeben kann. Für Kandidaten bedeutet das praktisch, dass Veränderungen, die kleiner sind als der Messfehler, nicht vom Zufall zu unterscheiden sind, und ob dieser Fehler klein genug ist, um ihn zu ignorieren, hängt davon ab, wie fein die Punktzahl ausgegeben wird.

Daten und Methode

Quelle und Zeitraum. Die Werte sind die Reliabilitäts- und Präzisionsstatistiken, die auf den Teststatistik-Seiten von IELTS für das Testjahr 2024-2025 veröffentlicht wurden, zusammen mit Tabelle 1 dieser Veröffentlichung, die Mittelwerte, Standardabweichungen und Standardmessfehler der Teilbereiche angibt [1].

Stichprobe. IELTS leitet diese Schätzungen aus den im Testjahr 2024-2025 im Einsatz befindlichen Testversionen und aus den Kandidaten ab, die sie absolviert haben. Der Bericht veröffentlicht eine Spanne über die Versionen und einen Durchschnitt statt einer Tabelle pro Version und veröffentlicht keine Datensätze auf Kandidatenebene: Jeder Wert hier ist eine aggregierte Schätzung über Testversionen und die Kandidaten, die sie absolviert haben. Die Analyseeinheit ist eine Testversion und ein Teilbereich, nicht eine Person.

Definitionen. Cronbach's alpha wird als interne Konsistenz eines Teilbereichs mit 40 Aufgaben angegeben. Der Standardmessfehler wird als Standardabweichung multipliziert mit der Quadratwurzel aus eins minus Reliabilität berechnet. Ein Halbband ist der 0.5-Schritt, in dem Teilbereichs-Punktzahlen auf einer Skala bis 9 ausgegeben werden. Die zusammengesetzte Schätzung kombiniert die 4 Teilbereiche, wobei alpha für die rezeptiven Teilbereiche und Interrater-Koeffizienten für die von Prüfern bewerteten verwendet werden, nach Feldt und Brennan (1989), wie von IELTS zitiert.

Abgeleitete Werte. Jede Umrechnung eines Standardfehlers in Band-Größen in diesem Bericht ist Arithmetik auf den veröffentlichten Zahlen und ist in der begleitenden Datendatei dokumentiert: der SEM geteilt durch 0.5 für das Halbband-Verhältnis und 1.96 multipliziert mit dem SEM für ein 95%-Intervall. Kein Wert wurde über eine Dezimalstelle hinaus neu gerundet.

Ergebnisse

Listening ist der ungenaueste der drei Teilbereiche mit einer veröffentlichten Reliabilitätsangabe. Der Mittelwert liegt bei 6.45, die Standardabweichung bei 1.36 und der SEM bei 0.43. Da ein Halbband 0.5 eines Bands entspricht, beträgt der Messfehler 0.86 des kleinsten Schritts, in dem die Punktzahl ausgegeben wird. Academic Reading ist enger: Mittelwert 6.32, Standardabweichung 1.26, SEM 0.36, also 0.72 eines Halbbands. General Training Reading ist weiter gestreut als beide, mit einem Mittelwert von 6.05, einer Standardabweichung von 1.56 und einem SEM von 0.47, was 0.94 eines Halbbands entspricht.

In Intervallbegriffen ausgedrückt: Der 95%-Bereich um eine Listening-Punktzahl beträgt in jede Richtung etwa 0.84 eines Bands, was auf dem Halbband-Raster bedeutet, dass eine ausgegebene 6.5 mit allem von 5.5 bis 7.5 vereinbar ist. Für Academic Reading beträgt dasselbe Intervall etwa 0.71 eines Bands, sodass ein Schritt von 6.0 auf 6.5 kleiner ist als das Fehlerband um beide Punktzahlen.

Die Reliabilitätskoeffizienten hinter diesen Zahlen sind hoch und liegen eng beieinander. Die Listening-Alphas reichten von 0.83 bis 0.95 um einen Durchschnitt von 0.90, Academic Reading von 0.87 bis 0.94 um 0.92 und General Training Reading von 0.88 bis 0.93 um 0.91.

Die von Prüfern bewerteten Teilbereiche funktionieren anders, weil der Fehler von einem Bewerter und nicht von einer Aufgabenreihe stammt. IELTS berichtet einen Interrater-Koeffizienten von 0.90 für Speaking und 0.92 für Writing, abgeleitet aus Fällen, in denen eine Teilbereichs-Punktzahl deutlich vom Listening- und Reading-Profil des Kandidaten abwich und automatisch neu bewertet wurde.

Die zusammengesetzte Schätzung ist der Punkt, an dem der Test am präzisesten erscheint. Die Kombination der 4 Teilbereiche ergibt eine Reliabilität von 0.97 für Academic und 0.97 für General Training, mit einem zusammengesetzten SEM von 0.17 bzw. 0.19, sodass das Academic-Composite bei 95% Konfidenz innerhalb von etwa 0.33 eines Bands liegt. Ein Band für den gesamten Test ist deutlich stabiler als jede einzelne Teilbereichs-Punktzahl, was zu erwarten ist: Unabhängige Fehler heben sich bei der Kombination von Teilbereichen teilweise auf.

Abbildung 1. Standardmessfehler für die drei IELTS-Teilbereiche mit veröffentlichter Angabe, in Bands, gegenüber dem Halbband-Ausgabeschritt von 0.5. n = alle Testversionen 2024-2025. Quelle: IELTS, Test statistics 2024-2025, Tabelle 1.

Einschränkungen

Es gelten vier Einschränkungen. Erstens ist der Standardmessfehler eine Eigenschaft einer Population, nicht einer einzelnen Punktzahl. Er sagt, wie stark Punktzahlen über Kandidaten und Versionen hinweg um einen wahren Wert streuen, und er kann einem bestimmten Kandidaten nicht sagen, ob seine 6.5 eine 6.0-Leistung an einem glücklichen Tag oder eine 7.0-Leistung an einem unglücklichen war. Zweitens setzt alpha voraus, dass die 40 Aufgaben eines Teilbereichs konsistent eine einzige Dimension messen. Es ist eine Aussage über interne Konsistenz, nicht über Inhaltsabdeckung, Schwierigkeit oder Fairness, und ein Teilbereich kann intern konsistent sein, während er nur einen schmalen Ausschnitt des Konstrukts prüft. Drittens ist die zusammengesetzte Reliabilität eine modellbasierte Schätzung aus den Koeffizienten der Teilbereiche und kein beobachteter Wiederholungstest, bei dem dieselben Personen den gesamten Test zweimal absolviert hätten; sie erbt daher alles, was die modellierte Kombination über die Unabhängigkeit zwischen den Teilbereichen annimmt. Viertens veröffentlicht IELTS Spannen und Durchschnitte über Versionen hinweg und gibt weder eine Aufschlüsselung pro Version noch die zugrunde liegenden Kandidatendaten heraus, sodass die Werte nicht dazu dienen können, einen Testtermin mit einem anderen zu vergleichen, und die Reliabilität der konkreten Version, die ein Kandidat absolviert hat, unbekannt ist.

Was das für Lernende bedeutet

Die nützliche Lesart ist, dass eine einzelne Teilbereichs-Punktzahl ein grobes Instrument ist und ein Band für den gesamten Test ein feineres. Ein Halbband-Schritt in Listening oder Speaking liegt innerhalb des Messfehlers; ihn als Fortschritt oder Rückschritt zu lesen, heißt Rauschen als Signal zu lesen. Wo eine Entscheidung von einem Teilbereich abhängt, sollte ein Ziel mit einem Puffer über der Anforderung gesetzt werden statt genau an der Grenze.

Die zweite Konsequenz betrifft das Üben. Wenn eine Teilbereichs-Punktzahl eine 6.0 nicht zuverlässig von einer 6.5 trennen kann, bedeutet die Frage, ob eine Routine funktioniert, dieselbe Fertigkeit wiederholt zu messen und die Richtung über mehrere Versuche statt über einen einzigen zu lesen. Übungsfeedback ist keine offizielle Punktzahl, und Hibay stellt keine aus.

Häufig gestellte Fragen

Ist eine Verbesserung um ein halbes Band in einem Teilbereich aussagekräftig? In Listening ist sie kleiner als der Standardmessfehler von 0.43 eines Bands, und das 95%-Intervall um eine Punktzahl beträgt in jede Richtung etwa 0.84 eines Bands. Ein Schritt von 0.5 liegt damit innerhalb der Spanne, die eine einzelne Wiederholung durch Zufall erzeugen könnte, und nur ein wiederkehrendes Muster über mehrere Versuche trägt Information.

Welche IELTS-Teilbereichs-Punktzahl ist am präzisesten? Von den drei Teilbereichen mit veröffentlichtem Standardfehler ist Academic Reading mit 0.36 eines Bands am präzisesten, gegenüber 0.43 für Listening und 0.47 für General Training Reading. Das Composite für den gesamten Test ist präziser als jeder davon, mit 0.17 für Academic.

Bedeutet eine zusammengesetzte Reliabilität von 0.97, dass mein Band exakt ist? Nein. Sie bedeutet, dass die zusammengesetzte Schätzung über die Population, für die sie berechnet wurde, konsistent ist und dass ihr Standardfehler 0.17 eines Bands beträgt, was bei 95% Konfidenz noch immer eine Spanne von etwa einem Drittel eines Bands in jede Richtung lässt. Ein Band bleibt eine Schätzung, ausgegeben auf den nächsten halben Punkt.

Warum ist der Standardfehler in Listening größer als in Academic Reading? Zwei veröffentlichte Eingangsgrößen wirken in unterschiedliche Richtungen. Listening hat den größeren Fehler, 0.43 gegenüber 0.36, obwohl seine Streuung der Punktzahlen kleiner ist (Standardabweichung 1.36 gegenüber 1.26), weil seine Reliabilität etwas niedriger ist. Eine engere Streuung und ein niedrigerer Koeffizient ergeben zusammen den breiteren Fehler.

How to cite

Hibay Product Team. (2026, November 4). Ein halbes Band ist ein Standardfehler: IELTS-Reliabilität, 2024-2025. Hibay. https://www.hibay.ai/en/news/ielts-reliability-2024-2025

Figures are from the public source listed below and may be cited with attribution.

Quellen

1. IELTS (British Council, IDP IELTS, Cambridge University Press & Assessment). Test statistics: test performance 2024-2025, including reliability of Listening and Reading sections and Table 1. https://ielts.org/researchers/our-research/test-statistics. Accessed 2026-11-04.